| dc.description.abstract | En los últimos años, las empresas de e-commerce han crecido exponencialmente y, debido a sus
elevados volúmenes de actividad (ventas, entregas, transacciones, etcétera), suelen generar
fricciones con los usuarios finales del producto, quienes tienen preguntas, consultas y quejas,
que los llevan a contactarse con equipos de Customer Service para obtener soporte.
Estamos en un mercado muy dinámico, sobre todo en compañías digitales y tecnológicas, ya que
constantemente surgen nuevos competidores que brindan servicios similares para dichos
usuarios, motivo por el cual se generan ambientes altamente competitivos, y es por esto por lo
que toda empresa busca brindar cada vez mejores experiencias para los usuarios de manera tal
de destacarse ante la competencia.
El corriente trabajo de investigación parte del análisis de un modelo de Machine Learning
llamado Natural Language Programming (NLP) que analiza el texto escrito por un usuario al
momento de contactarse con un equipo de Customer Service. Tras analizar dicho texto, es
posible determinar la probabilidad de detracción de un determinado caso de incoming en las
encuestas de NPS.
Luego de conocer la probabilidad de detracción de un caso de incoming generado por un
usuario, la misma fue considerada como input para el desarrollo de diferentes estrategias de
asignación de éste a los respectivos agentes del equipo de Customer Service (que son quienes
gestionan las consultas de dichos usuarios). De esta manera se proponen una alternativa de
asignación de casos que reemplazaría a la estrategia que se realiza actualmente en dicha
compañía.
Se llevaron a cabo distintas estrategias para realizar dichas asignaciones, las cuales finalmente
se compararon entre sí con el objetivo de encontrar cuál de ellas se debe recomendar a la
empresa en cuestión para que pueda implementar en la operación de su equipo de Customer
Service.
Estas estrategias se pueden dividir en dos grupos: asignaciones manuales y automatizadas a
través de modelos de programación lineal entera de tipo batching utilizando un software de
optimización combinatoria.
Independientemente de la estrategia que se utilice, el objetivo consiste en asignar todos los
casos de incoming entre los respectivos agentes de Customer Service de manera tal de reducir
las probabilidades de detracción de dichos usuarios tras la gestión de su correspondiente
consulta o pregunta. La estrategia de asignación resultante es aquella que logra la asignación
óptima en la dupla de caso de incoming – agente de Customer Service.
Luego de realizar la comparación de distintas estrategias, se llega a la conclusión de que la
asignación más adecuada para usar en la práctica es aquella que surge al utilizar un modelo de
programación lineal entera de tipo batching ya que es la estrategia que logra maximizar la
función objetivo considerada, logrando buenos resultados, con un tiempo de espera en la cola
de gestión del caso de incoming razonable para el usuario. | es_AR |
